【文章內(nèi)容簡介】 偏遠省份重新辦理一套身份系統(tǒng)，包括戶口、身份證、檔案等。在很多情況下，一個人的真實身份是很難被分辨的。指紋識別作為一個人基本社會角色定位點，其方便性和準確性已經(jīng)得到了全世界范圍內(nèi)的認可。通過各 種各樣的指紋識別系統(tǒng)，社會公共管理的職能得到了強化，效率得到了提高。原來的養(yǎng)老保險系統(tǒng)，冒領保險金現(xiàn)象比較嚴重。隨著越來 越多的地方實施了指紋養(yǎng)老金發(fā)放系統(tǒng)，這一現(xiàn)象得到了徹底改善，沒有當事人 6 的指紋，對應的養(yǎng)老金是不可能被領取的。深圳羅湖口岸，指紋出入境系統(tǒng)的實施大大提高了通關效率，過關旅客再也不需要拿著身份證排長隊等待檢查。 指紋識別承載了很多的社會意義，從最根本上來講，是可以良好的判斷和定義一個人的真實生物身份。從而降低社會活動中的信任成本，從根本上改變經(jīng)濟和社會交往模式改變，提高效率。指紋識別作為一種 生物鑒定技術，為人類的個體的定義提供了一個到目前為止最為快捷和可信的方法 。 隨著指紋識別技術的日漸成熟，圖像處理及模式識別界曾一度認為自動指紋識別問題已經(jīng)得到很好的解決。但實際上，指紋識別的核心技術仍然存在許多尚 未解決的難題，尤其是對殘缺、污損指紋圖象進行識別的魯棒性和適應性方面不 能令人滿意。指紋識別系統(tǒng)將隨著更小更廉價的指紋輸入設備的出現(xiàn)、計算能力 更強更廉價的硬件以及互聯(lián)網(wǎng)的廣泛應用而進一步拓寬應用。其中，能適應在線 應用的自動指紋識別系統(tǒng)的算法有待進一步改進，多種指紋識別方法的集成應用 以及包括指 紋識別在內(nèi)的多種生物特征鑒定技術的集成應用也將是今后研究的 發(fā)展方向。因此，自動指紋識別技術現(xiàn)在是，未來幾年仍將是一個重要的、極具 挑戰(zhàn)性的模式識別研究課題。 本論文結構 本論文主要分為四章： 第一章 緒論。介紹 課題研究背景意義及國內(nèi)外發(fā)展研究現(xiàn)狀； 第二章 指紋識別的理論和方法 。介紹指紋識別系統(tǒng)的基本理論和幾種常見算法； 第三章 matlab 仿真 實驗結果與分析 。分析幾種算法的實驗仿真結果，并通過結果進行分析總結各個算法的特點； 第四章 結論。 7 第 二 章 指紋識別的理論和 方法 十九世紀初，科學研究發(fā) 現(xiàn)了至今仍然承認的兩個重要特征：一是兩個不同手指的指紋紋脊的樣式（ Ridge Pattern）不同，另外一個是指紋紋脊的樣式終生不變。這個研究成果使得指紋在犯罪鑒別中得以正式應用。二十世紀六十年代，由于計算機可以有效地處理圖形，人們開始著手研究計算機來處理指紋，自動指紋識別系統(tǒng) AFIS 在法律實施方面的研究與應用有就由此展開來。 指紋其實是比較復雜的。與人工處理不同，許多生物識別技術公司并不直接存儲指紋的圖象。多年來在各個公司及其研究機構產(chǎn)生了許多數(shù)字化的算法（美國有關法律認為，指紋 圖象屬于個人隱私，因此不能直接存儲指紋圖象）。但指紋識別算法最終都歸結為在指紋圖象上找到并比對指紋的特征 。 1． 指紋的特征 我們定義了指紋的兩類特征來進行指紋的驗證：總體特征和局部特征。在考慮局部特征的情況下，英國學者 認為，只要比對 13 個特征點重合 ，就可以確認為是同一個指紋。 總體特征 ： 總體特征是指那些用人眼直接就可以觀察到的特征，包括：基本紋路圖案環(huán)型（ loop） ,弓型（ arch） ,螺旋型（ whorl） 。其他的指紋圖案都基于這三種基本圖案。僅僅依靠圖案類型來分辨指紋是遠遠不夠的，這只是一 個粗略的分類，但通過分類使得在大數(shù)據(jù)庫中搜尋指紋更為方便。 局部特征 ： 局部特征是指指紋上的節(jié)點的特征，這些具有某種特征的節(jié)點稱為特征點。兩枚指紋經(jīng)常會具有相同的總體特征，但它們的局部特征 特征點，卻不可能完全相同。 2． 指紋的特征點 指紋紋路并不是連續(xù)的、平滑筆直的，而是經(jīng)常出現(xiàn)中斷、分叉或打折。這些斷點、分叉點和轉折點就稱為“特征點”。就是這 些特征點提供了指紋唯一性的確認信息。 工作 流程 指紋識別技術主要涉及四個功能：讀取指紋圖象、提取特征、保存數(shù)據(jù)和比對。 系統(tǒng) 開始，通過指紋讀取設備 讀取到人體指紋的圖象，取到指紋圖象之后，要對原始圖象進行初步的處理，使之更清晰。接下來，指紋辨識軟件建立指紋的數(shù)字表示特征數(shù)據(jù)，一種單方向的轉換，可以從指紋轉換成特征數(shù)據(jù)但不能從特 8 征數(shù)據(jù)轉換成為指紋，而兩枚不同的指紋不會產(chǎn)生相同的特征數(shù)據(jù)。軟件從指紋上找到被稱為（ minutiae）的數(shù)據(jù)點，也就是那些指紋紋路的分叉、終止或打圈處的坐標位置，這些點同時具有七種以上的唯一性特征。因為通常手指上平均具有 70 個節(jié)點，所以這種方法會產(chǎn)生大約 490 個數(shù)據(jù)。有的算法把節(jié)點和方向信息組合產(chǎn)生了更多的數(shù)據(jù)，這些方向信息表明了 各個節(jié)點之間的關系，也有的算法還處理整幅指紋圖像。總之，這些數(shù)據(jù)，通常稱為模板，保存為 1K 大小的記錄。無論它們是怎樣組成的，至今仍然沒有一種模板的標準，也沒有一種公布的抽象算法，而是各個廠商自行其是。 最后，通過計算機模糊比較的方法，把兩個指紋的模板進行比較，計算出它們的相似程度，最終得到兩個指紋的匹配結果。 指紋識別系統(tǒng)框圖如圖 所示。 指 紋 采 集圖 像 預 處 理特 征 提 取特 征 匹 配指 紋 識 別指 紋 庫 圖 指紋識別系統(tǒng)工作原理框圖 指紋識別技術的方法 本文重點研究 基于神經(jīng)網(wǎng)絡指紋識別算法、濾波特 征和不變矩指紋識別算法和指紋匹配算法， ， 針對已有的三種指紋識別算法進行編程識別，通過 matlab 仿真，從而進一步論證三 種算法的優(yōu)缺點 。 神經(jīng)網(wǎng)絡指紋識別算法 用神經(jīng)網(wǎng)絡進行識別選用哪種特征是個關鍵問題考慮到本文這里的識別過 9 程是在同類型指紋間進行的這些指紋具有相似的紋線走向指紋的方向信息在這里就顯得無關緊要了通過對同類型指紋的分析發(fā)現(xiàn)它們差別主要體現(xiàn)在具體的每個細節(jié)點上因此本文就提取了指紋的細節(jié)點特征作為識別特征每個樣本提取的細節(jié)點特征是一個 80 1 維的向量包含 20 個特征點每個特征點的特征值是個4 維的向量分別是特征點的類型特征點與參考點的紋線方向差值特征點與參考點的距離特征點與參考點的角度我們認為特征點的這些信息即可充分體現(xiàn)同類型指紋間的細微差別也同時具有一定的抗 平移和抗旋轉性 。 本文采用的是學習矢量量化 LVQ神經(jīng)網(wǎng)絡模型 LVQ 神經(jīng)網(wǎng)絡由于其自身的自組織和聚類特性可以很好地給出模式在多維空間的概率分布估計從而可較好地完成指紋的識別 ,其識別模型如圖 所示 . 圖 基于神經(jīng)網(wǎng)絡的自動指紋識別模型 濾波特征和不變矩指紋識別算法 濾波特征識別算法 ： 指紋圖像特征的表示要求滿足尺度不變性、 位移不變性和旋轉不變性 3 個特征。尺度不變性是滿足的。在濾波提取算法中 ,位移不變性是通過確定指紋 圖像的中心參考點來實現(xiàn)的。 圖像的旋轉不變性可以通過在匹配階段建立多 角度旋轉特征向量來實現(xiàn)。濾波特征的提取算法包括 4 個步驟 : 確定指紋圖像的中心參考點 ,以及要處理的指紋區(qū)域 ,記為 ROI 區(qū)域 ； 以參考點為中心 , 對 ROI 區(qū)域進行劃分 , 得到一定大小的塊 。 用一組 Gabor 濾波器在八個不同的方向?qū)?ROI 區(qū)域進行濾波運算 (在指紋圖像中 ,完全獲取指紋的局部脊線特征需要使用 8 個方向濾波器 , 獲取全局結構信息僅需要 4 個方向濾波器 )； 在濾波圖像中 ,計算每一塊中灰度值相對于均值的平均絕對偏差 , 進而得到特征向量或特征編碼?；跒V波特征的指紋識別算法 ,首先對指紋圖像進行 濾 波 10 特征提取 ,然后在濾波特征值構成的特征向量的基礎上進行匹配 。 不變矩識別算法 ： 算法的基本思路是 :搜索預處理后的二值圖像中所有可能為目標的區(qū)域，計算區(qū)域的 7 個不變矩特征，認為與模板匹配程度最高的區(qū)域為目標。其中相似度度量采用歐式距離。 算法程序： void COpenCVTest::TestMoment() { CvRect r。 = 120。 = 100。 = 20。 = 20。 CvMoments m。 CvMat mat。 IplImage* src。 //8 位圖 必須為灰度圖像 src = cvLoadImage(c:\\自然圖 ,0)。 CvArr *arr。 arr = cvGetSubRect(src, amp。mat, r)。 //獲取矩 cvMoments(arr, amp。m, 0)。 //獲取空間矩 double m00 = cvGetSpatialMoment(amp。m,0,0)。 //獲取 hu 不變矩 11 CvHuMoments hu。 cvGetHuMoments(amp。m, amp。hu)。 CString str。 (空間矩： m00 = %f \n Hu 不變矩： h1 =